Pregled metod za diagnostiko napak visokonapetostnih stikala v izmeničnih tokovodih

1. Kateri so karakteristični parametri valovnega oblika tokovnice v mehanizmih delovanja visokonapetostnih preklopnikov? Kako izvlečemo te karakteristične parametre iz prvotnega signala tokovnice?

Odgovor: Karakteristični parametri valovnega oblika tokovnice v mehanizmih delovanja visokonapetostnih preklopnikov lahko vključujejo naslednje:

• Stalna vrhunska vrednost toka: Največja stalna vrednost toka v valovnem obliku tokovnice elektromagneta, ki predstavlja položaj, kjer se jež elektromagneta premakne in za kratko zadrži na svojem mejnem položaju.

• Trajanje: Trajanje valovnega oblika toka tokovnice elektromagneta, običajno med desetimi in sto milisekundami.

• Čas narastanja pred aktivacijo ježa: Čas, ki ga potrebuje valovni oblik toka, da naraste od nič do prve vrhunske vrednosti toka.

• Padec: Čas, ki ga potrebuje valovni oblik toka, da pada od prve vrhunske vrednosti nazaj do druge doline. To se nanaša na čas, ko se plunger armature začne premikati, udari mehanizem prekinitve in ga poganja do mejnega položaja armature elektromagneta.

• Oblika valovnega oblika: Splošna oblika valovnega oblika, kot je enojni pojav, večkratni pojav ali periodičen valovni oblika.

• Frekvenca: Če je valovni oblika periodičen, je njegova frekvenca pomemben parameter.

Za izvlečenje teh karakterističnih parametrov iz prvotnega signala tokovnice prekinitve so običajno potrebni naslednji koraki:

• Vzorčenje: Uporaba primernih vzorčevalskih naprav z zadostno hitrostjo vzorčenja za zvezno vzorčenje toka tokovnice in pretvorbo signala v digitalno obliko.

• Filtriranje: Filtriranje vzorčenih podatkov za odstranitev visokočastotnega šuma za boljšo identifikacijo lastnosti valovnega oblika.

• Zaznavanje vrhunca: Iskanje največje vrednosti iz filtriranega signala, da bi določili vrhunski tok.

• Merjenje trajanja: Izračun trajanja s zaznavanjem časovnih točk, kjer se valovni oblika začne in konča pri toku nič.

• Merjenje časa narastanja in pada: Izračun časa narastanja in pada s zaznavanjem časovnih točk od toka nič do vrhunskega toka in nazaj do toka nič, znotraj.

• Analiza oblike: Uporaba matematičnih metod ali tehnologij prilagoditve valovnega oblika za analizo oblike valovnega oblika.

• Frekvenčna analiza: Če je valovni oblika periodičen, uporabite Fourierovo transformacijo ali avtokorelacijsko funkcijo za oceno frekvence.

Ti koraki običajno zahtevajo orodja za obdelavo signalov in analizo podatkov (kot so MATLAB, Pythonove knjižnice NumPy in SciPy itd.). Izvlečenje teh karakterističnih parametrov pomaga pri nadzoru in analizi delovanja mehanizmov visokonapetostnih preklopnikov. Opomba, da je treba pri ravnanju z visokonapetostnimi tokovi sprejeti ustrezne varnostne ukrepe, da se prepreči nezgodna električna šok ali druga tveganja.

2. Kateri algoritmi se lahko uporabljajo za izvlečenje karakterističnih parametrov, kot so amplituda vrhuncov in dolin ter njihove ustreznosti časovne točke iz valovnih oblik tokovnice? Prosimo, jih navedite posebej.

Odgovor: Za izvlečenje karakterističnih parametrov, kot so amplituda vrhuncov in dolin ter njihove ustreznosti časovne točke iz valovnih oblik tokovnice, se lahko uporabljajo različni algoritmi in metode za obdelavo in analizo signalov. Segmenacija valovnega oblika in primerjava po segmentih se lahko uporablja za pridobivanje karakterističnih parametrov. Naslednji so nekateri pogosto uporabljeni algoritmi in metode:

• Algoritmi za zaznavanje vrhuncov: Ti algoritmi lahko zaznajo vrhunce v valovnih oblikah, vključno z maksimalnimi vrhunci in minimalnimi dolinami. Pogosti algoritmi vključujejo metode na osnovi pragov, klizne okvirne metode, metode na osnovi gradienta itd.

• Algoritmi za zaznavanje prehodov skozi nič: Ti algoritmi lahko zaznajo prehode v valovnih oblikah od pozitivnega na negativno ali obratno, običajno se uporabljajo skupaj z zaznavanjem vrhuncov in dolin.

• Fourierova transformacija: Lahko pretvori valovni oblik toka tokovnice v frekvenčni domeni, izlušči informacije o vrhuncih in dolinah v frekvenčni domeni, nato pa jih preslika nazaj v časovno domeno preko inverzne transformacije, da pridobi časovne informacije.

• Algoritmi integracije in diferenciacije: Integracija se lahko uporabi za oceno amplitud valovnega oblika, medtem ko se diferenciacija lahko uporabi za oceno nagiba vrhuncov in dolin, s tem pa se lahko izvedejo njihove časovne točke.

• Prilagoditev valovnega oblika: Z prilagoditvijo modelov valovnih oblik, kot so Gaussovi modeli, S-krivulje itd., za oceno položajev in amplitud vrhuncov in dolin. Prilagajanje teoretičnih parametrov elektromagnetov za generiranje valovnih oblik toka tokovnice, ki se neprekinjeno približujejo dejanskim meritvenim podatkom, s tem pa pridobiti karakteristične parametre valovnih oblik dejanskega toka tokovnice iz teoretičnih parametrov.

• Okvirna analiza: Razdelitev valovnega oblika na majhne okvirje in izvlečenje karakterističnih parametrov znotraj vsakega okvirja, da zajamete spremembe vrhuncov in dolin.

• Metode na osnovi odvoda: Izračun odvoda valovnega oblika, da najde položaje vrhuncov in dolin; točke, kjer postane odvod enak nič, so ekstremne točke.

Ti algoritmi se lahko uporabljajo posebej ali v kombinaciji, specifična izbira pa je odvisna od narave valovne oblike in zahtev specifične aplikacije. V praktičnih aplikacijah so tipično združeni domenski znanje in orodja za analizo podatkov, da se zagotovi točno pridobivanje karakterističnih parametrov iz tokovnih valovnih oblik.

3. Kateri karakteristični parametri imajo pospeševalni signali vibracije mehanizmov delovanja visokonapetostnih preklopnikov med operacijami odpiranja in zapiranja? Kako izmerjene mehanske vibracijske signale visokonapetostnih preklopnikov razkrivajo te karakteristične parametre?

Odgovor: Pospeševalni signal vibracije mehanizmov delovanja visokonapetostnih preklopnikov med operacijami odpiranja in zapiranja lahko vsebuje mnogo karakterističnih parametrov, ki ponujajo pomembne informacije o delovanju in stanju mehanizma. Spodaj so nekatere možne karakteristične parametre in načini, kako jih izraziti:

• Pikovska pospešek: Največja vrednost pospeška v vibracijskem signalu, tipično izražena v enotah g (pospešek gravitacije).

• Trajanje: Trajanje dogodka vibracije, tipično v milisekundah ali sekundah.

• Frekvenčne komponente: Skozi Fourierovo transformacijo ali hitro Fourierovo transformacijo (FFT) in druge spektralne analize se lahko izrazijo frekvenčne komponente v vibracijskem signalu, da se identificirajo kakršne koli frekvenčne komponente.

• Amplituda vibracije: Amplituda vibracijskega signala, ki se lahko izrazi kot razdalja od pika do ničle.

• Pik-do-pik vrednost: Amplituda vibracije v celotnem ciklu vibracijskega signala, tipično uporabljen za identifikacijo periodičnih vibracij.

• Število pulzov: Za večpulzne vibracije se lahko izračuna število pulzov v določenem časovnem obdobju.

• Oblika pospeševalne valovne oblike: Valovna oblika vibracijskega signala se lahko uporabi za analizo začetka, konca in trajanja vibracije.

• Visoko-frekvenčne komponente: Identifikacija visoko-frekvenčnih komponent vibracije, ki morda kažejo na nestabilnost ali poškodbo mehanizma.

Za izrazitev teh karakterističnih parametrov so tipično potrebni naslednji koraki:

• Pridobivanje signala vibracije: Uporaba ustreznih senzorjev (na primer pospeševalnikov) za pridobitev vibracijskih signalov s mehanizmov delovanja visokonapetostnega preklopnika.

• Digitalizacija signala: Pretvorba analognega vibracijskega signala v digitalno obliko za nadaljnjo analizo.

• Filtriranje in odstranjevanje šuma: Filtriranje in odstranjevanje šuma iz vibracijskega signala, da se zmanjša šum in izboljša kakovost signala.

• Izrazitev lastnosti: Uporaba orodij za obdelavo signala (na primer FFT) in metod za analizo vibracij, da se izrazijo zgornji karakteristični parametri. Vibracijski signali so pretvorjeni skozi Fourierovo transformacijo; signali različnih frekvenc so superponirani v različnih časih, da se generira pospeševalna vibracijska valovna oblika, ki približuje dejansko krivuljo vibracije, pridobivanje karakterističnih parametrov dejanskih podatkov iz teoretičnih podatkov.

• Analiza podatkov: Analiza izrazitih karakterističnih parametrov, da se identificirajo težave ali nenormalnosti pri delovanju mehanizma.

Analiza teh karakterističnih parametrov se lahko uporablja za spremljanje zdravstvenega stanja visokonapetostnih preklopnikov, identifikacijo potencialnih napak in sprejetje vzdrževalnih ukrepov, da se zagotovi njihovo pravilno delovanje. Spremljanje vibracije je tipično pomembna naloga v inženiringu, ki lahko izboljša zanesljivost in življenjsko dobo opreme.

4. Kateri algoritmi se lahko uporabljajo za izrazitev karakterističnih parametrov iz mehaničnih pospeševalnih signalov vibracije med operacijami visokonapetostnih preklopnikov?

Odgovor: Pri izrazitvi karakterističnih parametrov iz mehaničnih pospeševalnih signalov vibracije med operacijami visokonapetostnih preklopnikov se lahko uporabljajo različni algoritmi in metode za obdelavo in analizo signala. Spodaj so nekateri pogosto uporabljeni algoritmi in metode:

• Algoritmi za detekcijo pikov: Ti algoritmi lahko zaznajo pike v vibracijskih signalih, vključno s pikom največje pospeševalne vibracije. Pogosti algoritmi vključujejo metode na osnovi pragov, kliznega okna, metode na osnovi gradienta itd.

• Spektralna analiza: Fourierova transformacija ali hitra Fourierova transformacija (FFT) se lahko uporabita za pretvorbo vibracijskega signala v frekvenčni prostor in izrazitev frekvenčnih komponent in informacij o amplitudi vibracije.

• Energija vibracije: Ocena energije vibracije preko integriranja kvadrata vibracijskega signala, s tem dobimo informacije o skupni energiji vibracije.

• Frekvenca vibracije: Ocena glavnih frekvenčnih komponent vibracije s spektralno analizo ali funkcijami avtokorelacije, da se identificirajo frekvenčne značilnosti vibracije.

• Amplituda vibracije: Kvantifikacija velikosti vibracije preko izračuna amplitude vibracijskega signala.

• Pik-do-pik vrednost: Amplituda vibracije v celotnem ciklu vibracijskega signala, tipično uporabljen za identifikacijo periodičnih vibracij.

• Število pulzov: Za večpulzne vibracije se lahko izračuna število pulzov v določenem časovnem obdobju.

• Oblika valovne oblike vibracije: Valovna oblika vibracijskega signala se lahko uporabi za analizo začetka, konca in trajanja vibracije.

• Pik čas: Ocenite čas, ko se pojavi vrhovanje vibracij, da določite čas dogodkov vibracij.

Ti algoritmi se lahko uporabljajo posebej ali v kombinaciji, pri tem pa odvisno od narave signala vibracij in zahtev specifične aplikacije. V praksi so običajno kombinirani znanja iz področja in orodja za analizo podatkov, da se zagotovi natančno izvlečenje karakterističnih parametrov iz pospeševalnih signalov mehaničnih vibracij visokonapetostnih preklopnikov, s čimer se spremlja delovanje in stanje zdravja opreme.

5. Kako izvleči vrh in čas vrha signala energije vibracij?

Odgovor: Za izvlečenje vrha in časa vrha signala energije vibracij je mogoče uporabiti metode za obdelavo in analizo signalov. Spodaj je predstavljena splošna metoda:

• Izvlečenje vrha signala energije vibracij:

• a. Zgladite signal energije vibracij: Uporabite povprečni filter ali druge metode zglajevanja, da zmanjšate šum v signalu, kar omogoča lažje zaznavanje vrhov.

• b. Poiščite točke vrha: Izvedite zaznavanje vrhov na zglajenem signalu, običajno preko naslednjih korakov:

• c. Zabeležite amplitudo vrhov: Določite amplitudo signala energije vibracij na vsaki točki vrha.

• Izračunajte prvi odvod ali razliko signala, da najdete ekstremne točke v signalu (točke, kjer se gradient približa ničli).

• Uporabite pragove ali druge pogoje, da izločite točke vrha, izključujete pa majhne fluktuacije.

• Izvlečenje časa vrha:

• • Zabeležite trenutke vrhov: Za vsako zaznano točko vrha zabeležite njeno lego na časovni osi, torej časovni trenutek vrha.

  • Uporabite časovne informacije: Časovne informacije o trenutkih vrhov se lahko uporabljajo za predstavitev časa pojavljanja vsakega vrha, običajno v milisekundah ali sekundah.

Opomba, da se specifične metode za izvlečenje vrhov in časov vrhov lahko razlikujejo glede na lastnosti signala. Dodatno pa bo stopnja zglajevanja signala in raven šuma tudi vplivala na zaznavanje vrhov. Za izvedbo teh korakov lahko uporabite orodja za obdelavo signalov, kot so knjižnice NumPy in SciPy v Pythonu, ter algoritme za zaznavanje vrhov, kot so metoda praga, metoda gradienta ali metoda kliznega okna. V praksi boste morda morali prilagoditi parametre algoritmov, da se prilagodi specifičnim zahtevam signala vibracij.

6. Kateri karakteristični parametri so prisotni v zvočnem signalu med odpiranjem in zapiranjem visokonapetostnih preklopnikov? Kako izvleči te parametre za analizo in diagnostiko skritih defektov visokonapetostnih preklopnikov?

Odgovor: Zvočni signal med odpiranjem in zapiranjem visokonapetostnih preklopnikov lahko vsebuje nekatere karakteristične parametre, ki se uporabljajo za analizo in diagnostiko delovanja in stanja zdravja opreme. Spodaj so nekatere možne karakteristične parametre zvočnega signala in metode za njihovo izvlečenje:

• Amplituda zvoka: Amplituda ali glasnost zvočnega signala, običajno izražena v decibelih (dB).

• Frekvenca zvoka: Frekvenčni komponenti zvočnega signala, uporabljene za identifikacijo tona ali frekvenčnega obsega zvoka.

• Trajanje zvoka: Trajanje zvočnega dogodka, običajno v milisekundah ali sekundah.

• Valovna oblika zvoka: Valovna oblika zvočnega signala, uporabljena za analizo začetka, konca in trajanja zvoka.

• Spektrogram zvoka: Spektralna analiza zvočnega signala, uporabljena za identifikacijo pojavljanja in sprememb frekvenčnih komponent.

• Število impulsov: Za več zvočnih impulsov se lahko izračuna število impulsov v določenem časovnem obdobju.

• Zvočne značilnosti: Uporabite orodja za analizo zvoka, da izvlečete zvočne značilnosti, kot so energija, spektralno povprečje, vrhovi itd. zvočnih signalov.

Za izvlečenje teh karakterističnih parametrov lahko izvedete naslednje korake:

• Zbiranje zvočnega signala: Za zbiranje zvočnih signalov med odpiranjem in zapiranjem visokonapetostnih preklopnikov uporabite primerni mikrofoni ali senzorji.

• Digitalizacija signala: Analogni zvočni signal pretvorite v digitalno obliko za analizo.

• Obdelava zvočnega signala: Filtrirajte in zmanjšajte šum zvočnega signala, da izboljšate kakovost signala.

• Izvlečenje značilnosti: Uporabite orodja in algoritme za obdelavo zvočnih signalov, da izvlečete zgornje karakteristične parametre, kot so spektralna analiza, analiza valovnih oblik itd.

• Analiza podatkov: Analizirajte izvlečene karakteristične parametre, da identificirate nepravilnosti ali težave v delovanju zvočnega signala.

S spremljanjem in analizo zvočnih signalov je mogoče identificirati skrite defekte visokonapetostnih preklopnikov, kot so nenormalni zvoki, mehanski problemi ali druge nenormalne operacije. To pomaga preprečiti odpovedi opreme in sprejeti vzdrževalne ukrepe, da se zagotovi zanesljivost in varnost visokonapetostnih preklopnikov.